Demenz-Früherkennung: KI-Analyse von Netzhautbildern übertrifft klassische Tests
Veröffentlicht am: 28.08.2026 um 23:09 Uhr | Redaktion boerse-global.de
In der medizinischen Diagnostik gewinnen KI-gestützte Verfahren zur Früherkennung neurodegenerativer Erkrankungen zunehmend an Bedeutung. Eine im August 2026 vorgestellte Untersuchung des Seoul National University Hospital zeigt das Potenzial der automatisierten Netzhautanalyse auf, um Demenzrisiken präziser und früher als mit herkömmlichen Methoden zu identifizieren.
Das Forschungsprojekt, das in Kooperation mit dem Seoul National University College of Medicine und dem Unternehmen Zymed durchgeführt wurde, stützt sich auf die Auswertung umfangreicher Bilddatenbestände.
Technologische Basis und Studiendesign
Das Forschungsteam um Park Sang-min, Jang Ju-young, Han Chang-ho und Kim Jae-won entwickelte ein KI-Modell, das auf der Architektur RETFound-MAE basiert.
Für das Training und die Validierung des Algorithmus griffen die Wissenschaftler auf einen Datensatz von 108.008 Netzhautbildern (sogenannten Fundusfotos) zurück. Diese Aufnahmen stammen von insgesamt 36.322 Teilnehmern an Gesundheitschecks, die in einem Zeitraum zwischen 2004 und 2016 dokumentiert wurden.
Ziel der Untersuchung war es, die Leistungsfähigkeit der KI sowohl beim Screening einer bereits vorliegenden Demenz als auch bei der Vorhersage zukünftiger Erkrankungsrisiken zu bewerten. Die Ergebnisse dieser Arbeit wurden in der Fachzeitschrift npj Digital Medicine veröffentlicht, die einen Impact Factor von 18,0 aufweist.
Überlegenheit gegenüber klassischen Screening-Methoden
Die Leistungsfähigkeit des neuen Modells wurde anhand etablierter statistischer Kennzahlen gemessen und mit dem herkömmlichen CAIDE-Score (Cardiovascular Risk Factors, Aging, and Incidence of Dementia) verglichen. Beim Screening auf eine bereits bestehende Demenz erreichte das KI-Modell einen AUROC-Wert (Area Under the Receiver Operating Characteristic Curve) von 0,750. Im Vergleich dazu lag der Wert des CAIDE-Scores lediglich bei 0,624.
Noch deutlicher zeigten sich die Vorteile bei der Einschätzung zukünftiger Demenzrisiken. Hier erzielte die KI einen C-Index von 0,812, während das CAIDE-Verfahren einen Wert von 0,689 erreichte.
Während die Wissenschaft an neuen Früherkennungsmethoden arbeitet, können Sie bereits heute selbst aktiv werden, um Ihre geistige Fitness zu prüfen. Dieser Experten-Test liefert Ihnen in nur zwei Minuten eine erste, anonyme Einschätzung zu möglichen Warnsignalen. Kostenlosen Demenz-Selbsttest jetzt durchführen
Ein wesentlicher Befund der Studie ist zudem die Effizienzsteigerung durch Kombination der Methoden: Wurden das KI-Modell und der CAIDE-Score gemeinsam eingesetzt, verbesserte sich der AUROC-Wert von 0,749 auf 0,774. Damit demonstrierten die Forscher, dass die Einbeziehung automatisierter Bildanalysen die Vorhersagegenauigkeit klinischer Risikoprofile signifikant steigern kann.
Bedeutung des Sehnervenkopfes für die Diagnose
Ein zentraler Aspekt der Analyse betrifft die Arbeitsweise des Algorithmus. Die Forscher konnten mittels technischer Analysen nachweisen, worauf das System bei der Bewertung der Bilder den Fokus legt. Dabei stellte sich heraus, dass die Aufmerksamkeit der Künstlichen Intelligenz auf den Sehnervenkopf (optic disc) etwa 5,72-mal höher ist als auf die umliegenden Bereiche der Netzhaut. Dies unterstreicht die medizinische Relevanz dieser anatomischen Struktur als Indikator für kognitive Veränderungen.
Wer sich mit den Risiken kognitiver Veränderungen befasst, sollte auch die Möglichkeiten der gezielten Prävention kennen. Erfahren Sie in diesem Ratgeber, wie Sie mit einfachen Alltagsübungen und der richtigen Ernährung Ihre geistige Leistungsfähigkeit aktiv unterstützen können. Gratis-Ratgeber: Gehirntraining leicht gemacht
Das entwickelte Modell ermöglicht es laut den beteiligten Experten, sowohl aktuelle Diagnosen zu unterstützen als auch langfristige Prognosen über die Entwicklung einer Demenz zu treffen – und das auf Basis eines einzelnen Netzhautbildes.
Dieser Ansatz könnte die Hürden für großflächige Screening-Programme senken, da Fundusfotos vergleichsweise einfach und kostengünstig im Rahmen routinemäßiger Augenuntersuchungen erstellt werden können. Das Verfahren bietet somit eine Perspektive für eine frühzeitige Intervention, noch bevor klinisch schwere Symptome auftreten.
